Ranking and Evaluating the Stochastic Efficiency of IRALCO Maintenance Groups with Chance Constrained DEA Model
محل انتشار: کنفرانس بین المللی مهندسی صنایع و مدیریت پایدار
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 568
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IESM03_017
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
One of the problems facing plant managers, is evaluating the performance of different units. Maintenance groups that their job is to repair factory equipment and machinery are the units that evaluate their efficiency is very important because their accurate and timely performance will be reducing costs. Planning unit of Iranian Aluminum Company (IRALCO) evaluates these units monthly and the reports are presented to senior managers. This assessment is based on the difference between finished orders and requested orders, but the index is not appropriate. So, we use a chance-constrained DEA model with random input and output data on the input oriented. A super-efficiency model with chance constraints is used for ranking. However, for convenience in calculations a non-linear deterministic equivalent model is obtained to solve the models, the non-linear model is converted into a model with quadratic constraints to solve the non-linear deterministic model. Finally, twenty-eight maintenance groups of IRALCO evaluated with these models, that Repairs of pots unit selected as the best group, so, other groups can considering this unit and improve their efficiency.
کلیدواژه ها:
نویسندگان
Saman Malekian
Department of Industrial Engineering, Arak Branch, Islamic Azad University, Arak, Iran
Mohammad Izadikhah
Department of Mathematics, Islamic Azad University, Arak, Iran
Mohammad Ehsanifar
Department of Industrial Engineering, Arak Branch, Islamic Azad University, Arak, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :